Google OKF + MCPが示すAIコンテキストスタック — 意味の層と実行の層を分けて考える

Cloud Codesの動画は分かりやすい例から始まる。モデルはSQLを書ける。だが「先週の週次アクティブユーザーは？」と聞くと答えられない。能力が足りないのではなく、会社のデータ、定義、関係、判断基準に接続されていない。

この問題を「コンテキスト不足」として捉えると、AI導入の焦点はモデル選びだけではなくなる。どの知識を、どんな構造で、どの権限でAIへ渡すかが設計対象になる。

動画ではOKFを、単なるフォルダやドキュメント置き場ではなく、メトリクス、顧客、テーブル、意思決定の関係をつなぐ意味の層として説明する。KarpathyのLLM wikiにも触れ、モデルが自分の知識ベースを書き、保守し、知識が蓄積するイメージが提示される。

一方でMCPは、AIが実際のツールやデータソースへ到達するためのライブで統制されたアクセス層だ。OKFが「何を意味するか」を与え、MCPが「何を実行できるか」を与える。

OKFとMCPを分けて考えると、AIシステムの設計が整理しやすくなる。知識を厚くしても実行権限がなければレポート止まりになる。逆にツール接続だけを増やしても、意味の関係がなければ危ない自動化になる。

ClaudeやCodexを業務に入れるなら、まず意味の層を整え、次にMCPで必要最小限の実行権限を与える。この順序が、今後の社内AI設計の基本になりそうだ。